Czynniki wpływające na prawdopodobieństwo poprawy przychodów gospodarstw rolnych specjalizujących się w produkcji mleka

• Autorzy: Agnieszka Sampolska-Rzechuła , Michał Świtłyk

Warianty tytułu

Factors Affecting Probability of Income Increase in Agricultural Holdings Specialised in Milk Production

• Języki publikacji: PL

Abstrakty

W pracy wykorzystano model regresji logistycznej do określenia czynników wpływających na prawdopodobieństwo poprawy przychodów gospodarstw rolnych specjalizujących się w produkcji mleka. Badanie miało charakter dynamiczny i obejmowało lata 2009-2011. Wśród zmiennych niezależnych uwzględniono zmienne ilościowe i jakościowe związane z działalnością gospodarstw rolnych. Najbardziej istotne w modelu logitowym, w każdym roku, okazały się zmienne dotyczące: powierzchni użytków rolnych i liczby krów mlecznych, mające dodatni wpływ na prawdopodobieństwo poprawy przychodu. Wszystkie oszacowane modele odznaczają się bardzo wysoką jakością, a tym samym zdolnością do poprawnej klasyfikacji gospodarstw.(abstrakt oryginalny)

EN

The paper uses logistic regression model to determine factors affecting probability of income increase in agricultural holdings specialised in milk production. Analysis had a dynamic character and covered the period between 2009 and 2011. Independent variables included both quality and quantity features associated with farm activities. The analysis showed that, in each year, the most important variables in the logit model concerned the utilised agricultural area and the number of dairy cows, which had a positive impact on probability of income increase. All estimated models are characterised by high quality and thus can be used to correctly classify agricultural holdings.(original abstract)

Słowa kluczowe

PL

Gospodarstwa rolne; Przychody; Produkcja mleka; Model logitowy

EN

Arable farm; Revenue; Milk production; Logit model

• Czasopismo: Zagadnienia Ekonomiki Rolnej
• Rocznik: 2016
• Numer: nr 4
• Strony: 107--121

Twórcy

autor

Agnieszka Sampolska-Rzechuła

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Michał Świtłyk

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Cramer, J.S. (2003). Logit Models from Economics and Other Fields. Cambridge: Cambridge University Press.
• Dobosz, M. (2004). Wspomagana komputerowo statystyczna analiza wyników badań. Warszawa: Akademicka Oficyna Wydawnicza EXIT.
• Gołaś, Z., Kurzawa, I. (2014). Zastosowanie uporządkowanego modelu logitowego w analizie rentowności branż przemysłu spożywczego. Zagadnienia Ekonomiki Rolnej, nr 1(338), s. 78-96.
• Hosmer, D.W., Lemeshow, S. (2000). Applied logistic regression (wyd. 2). New York: Wiley & Sons.
• Jackowska, B., Wycinka, E. (2011). Wykorzystanie regresji logistycznej w analizie czynników wpływających na aktywne poszukiwanie pracy przez osoby długotrwale bezrobotne. W: Modelowanie i prognozowanie gospodarki narodowej. Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego, Gdańsk, s. 393-403.
• Kasprzyk, B., Fura, B. (2011). Wykorzystanie modeli logitowych do identyfikacji gospodarstw domowych zagrożonych ubóstwem. Wiadomości Statystyczne, nr 6, s. 1-16.
• Kleinbaum, D.G., Klein, M. (2002). Logistic Regression. New York: Springer.
• Kmieć, D. (2015). Zastosowanie modelu logitowego do analizy czynników wpływających na bezrobocie wśród ludności wiejskiej. Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego Ekonomika i Organizacja Gospodarki Żywnościowej, nr 110, s. 33-42.
• Kowerski, M., Bielak, J., Długosz, D. (2006), Zastosowanie logitowych modeli mikro-makro do prognozowania kondycji ekonomiczno-finansowej przedsiębiorstw. Barometr Regionalny. Analizy i prognozy, nr 6, s. 56-66.
• Maddala, G.S. (2001). Introduction to Econometrics. Third Edition. Chichester, New York: Wiley and Sons Ltd.
• Młodak, A. (2006). Analiza taksonomiczna w statystyce regionalnej, Warszawa: Difin.
• Sompolska-Rzechuła, A., Machowska-Szewczyk, M., Chudecka-Głaz, A., Cymbaluk-Płoska, A., Menkiszak, J. (2014). The Use of Logistic Regression in the Ovarian Cancer Diagnostics. Ekonometria, nr 3(45), s. 151-164.
• Stanisz, A. (2007). Przystępny kurs z zastosowaniem Statistica PL na przykładach z medycyny. T. 3. Kraków: StatSoft.
• Ziętara, W. (red.) (2013). Polskie gospodarstwa z chowem bydła na tle wybranych krajów. Program Wieloletni 2011-2014, nr 86. Warszawa: IERiGŻ-PIB.

Identyfikatory

DOI

10.5604/00441600.122566